用于检测时空数据中准周期现象的无限维贝叶斯滤波
统计计算
2013-12-23 v2
摘要
本文介绍了一种时空谐振器模型和一种推理方法，用于检测和估计时空数据中近似周期的时间现象。该模型是随机谐波谐振器模型的空间扩展，可以用随机微分方程(SDE)表述。通过引入线性算子（影响振荡和阻尼）并选择适当的驱动时间白噪声过程的空间协方差结构，将空间结构纳入模型。当选择线性算子为偏微分算子时，谐振器模型变为随机偏微分方程(SPDE)，与无限维卡尔曼滤波兼容。由此产生的无限维卡尔曼滤波问题允许计算高效的解，因为计算成本在时间维度上与测量值线性增长。该框架应用于天气预报和fMRI脑数据中的生理噪声消除。
引用
@article{arxiv.1303.2530,
title = {Infinite-dimensional Bayesian filtering for detection of quasi-periodic phenomena in spatio-temporal data},
author = {Arno Solin and Simo Särkkä},
journal= {arXiv preprint arXiv:1303.2530},
year = {2013}
}
备注
9 pages, 5 figures (added references, extended discussion, other minor improvements)